پیش بینی بار مصرفی با استفاده از شبکه های عصبی

---

شرح پروژه

·       هدف پیش بینی میزان بار خانگی با استفاده از شبکه های عصبی است.

·       میزان بار تابعی از روز هفته (Day) و ساعت روز (Time) و میزان مصرف در دوره ی قبلی (15 دقیقه ی قبلی) است.

·       پیشو  بینی بار برای 24 ساعت آینده در بازه های 15 دقیقه انجام می شود. به این شکل که خروجی الگوریتم پیش بینی بار یک ماتریس شامل 96 عضو خواهد بود.  

·       برای 96 بازه زمانی در آینده، دو پارامتر Day و Time و مقدار بار در15 دقیقه قبلی را به عنوان ورودی می دهیم و میزان بار پیش بینی شده را بدست می آوریم.

·       یک نمونه داده برای ورودی در Data.xlsx ارائه شده است. در ستون اول TIMESTAMP آمده است. روز هفته (Monday – Sunday) و همچنین ساعت روز را می توان از آن استخراج کرد. این داده ورودی ابتدا به صورت مورد نظر مرتب شود:

برای هر 15 دقیقه یک میانگین برای بار محاسبه شود. به عنوان مثال، برای 

1/23/2018 0:00

1/23/2018 0:01

1/23/2018 0:02

1/23/2018 0:03

1/23/2018 0:04

1/23/2018 0:05

1/23/2018 0:06

1/23/2018 0:07

1/23/2018 0:08

1/23/2018 0:09

1/23/2018 0:10

1/23/2018 0:11

1/23/2018 0:12

1/23/2018 0:13

1/23/2018 0:14

مقدار میانگین بار در نظر گرفته شود، که این مقدار اولین آرایه است. به همین ترتیب برای 00:15 تا 00:29 هم یک میانگین دیگر در نظر گرفته شود که دومین آرایه از 96 آرایه داده های بار برای یک روز است. ممکن است در این بین برای برخی از دقایق، مقدار بار موجود نباشد. برنامه به صورتی نوشته شود که از اعداد باقیمانده که فرضا ممکن است 12 تا باشد، میانگین گرفته شود.

·       برای روزهای هفته هم از اعداد 1 تا 7 برای نشان دادن دوشنبه تا یکشنبه استفاده شود.

·       از اطلاعات 3 ماه گذشته برای train شبکه عصبی استفاده شود.

·       زمانی که مقدار بار برای اولین دوره از 96 دوره ی مورد نظری که می خواهیم بار را برای آن پیش بینی کنیم، را محاسبه کردیم، این مقدار پیش بینی شده را به عنوان مقدار بار در دوره ی قبلی در نظر می گیریم و مقدار بار برای دوره ی دوم را پیش بینی می کنیم.

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

---

---